Modelos de regresión binaria: aplicaciones para cáncer cervicouterino en una clínica de atención de la ciudad de Durango.

Ponente(s): Edgar Felipe Lares Bayona, Luis Francisco Sánchez Anguiano

Mundialmente el Cáncer Cervicouterino (CaCu) ocupa los primeros lugares de morbilidad y mortalidad en países en desarrollo (OMS, 2018). Los modelos de regresión binaria representan estrategias de predicción y estimación de probabilidades que mediante la estadística multivariante para datos categóricos exploran alternativas de análisis sobre los cambios en grupos de variables de respuesta (McCullagh y Nelder, 1989). Uno de los principales problemas de estimación de parámetros y probabilidad de modelos categóricos son las respuestas de la variable dependiente cuando se tienen poca frecuencia de respuesta de la condición de salud. Existen modelos de regresión categóricos para este tipo de condiciones cuando hay una gran cantidad de pacientes negativos y muy pocos referenciados como positivos a la enfermedad. King y Zeng en el 2001, identificaron una alternativa para el análisis categórico de estos sucesos poco frecuentes o también denominados casos raros en variables categóricas de análisis multivariantes. En este estudio de investigación se realiza una aplicación de modelos de regresión binaria y del modelo zelig a pacientes que acuden a una clínica de atención de salud para el diagnóstico de cáncer cervicouterino en Durango.